The storm will pass, humankind will survive, most of us will still be alive — but we will inhabit a different world. 폭풍은 지나갈 것이고 인류는 살아남을 것이다. 그러나 우리는 전혀 다른 세상에서 살아갈 것이다.

유발하라리: Yuval Noah Harari (MARCH 20 2020), “the world after coronavirus”, the Financial Times.

As Covid-19 impacts every aspect of our work and life, we have seen two years’ worth of digital transformation in two months. 코로나19가 모든 영역에서 영향을 미침으로 인해, 2년이 걸릴 디지털 대전환이 지난 2개월 만에 이뤄졌다.

사티아 나델라: Satya Nadella 마이크로소프트 CEO

1 디지털 뉴딜 발표

정부혁신1번가 웹사이트에서 HOME > 디지털 정부혁신 > 디지털정부혁신자료실 에서 한국판 뉴딜 및 디지털 뉴딜 계획자료 보고서를 만날 수 있다.

library(tidyverse)
library(slickR)
library(pdftools)

ND_pdf <- pdf_convert("data/200715_digital_new_deal_report.pdf",format = 'png',verbose = FALSE)
ND_detail_pdf <- pdf_convert("data/200714_digital_new_deal_report_deail.pdf",format = 'png',verbose = FALSE)

1.1 디지털 뉴딜 종합계획

# ND_pdf %>% write_rds("data/ND_pdf.rds")
ND_pdf <- read_rds("data/ND_pdf.rds")

ND_pdf_df <- tibble(page = glue::glue("fig/{ND_pdf}") )
  
slickR(ND_pdf_df$page, height = 600)

1.2 한국판 뉴딜 종합계획

# ND_detail_pdf %>% write_rds("data/ND_detail_pdf")
ND_detail_pdf <- read_rds("data/ND_detail_pdf")

ND_detail_pdf_df <- tibble(page = glue::glue("fig/{ND_detail_pdf}") )
  
slickR(ND_detail_pdf_df$page, height = 600)

1.3 한국판 뉴딜1

기획재정부 한국판 뉴딜 웹사이트에 확고한 사람중심 포용국가 기반 위에 디지털(digital) 뉴딜그린(green) 뉴딜 두 개의 축으로 추진하며, 2025년까지 총160조원(국비 114.1조원)을 투입하고 총190.1만개 일자리를 창출하겠다는 내용이 정리되어 있다.

library(collapsibleTree)
library(tidyverse)
library(readxl)

한국판뉴딜 <- read_excel("data/한국판뉴딜.xlsx")

collapsibleTree(한국판뉴딜, 
                hierarchy = c("레벨1", "레벨2", "레벨3"),
                tooltip = TRUE,
                attributes = "레벨1")

2 재원과 일자리

2.1 분야별 세부과제 투자/일자리

library(magick)

jobs_img <- image_read("fig/new-deal-investment-jobs.jpg")

jobs_img

먼저 데이터를 이미지에서 OCR할 수 있는지 살펴보자.

library(tesseract)
library(image.binarization)

only_numbers <- tesseract(options = list(tessedit_char_whitelist = ".0123456789"))

jobs_img %>% 
  image_crop("400x965+520+100")

jobs_img %>% 
  image_crop("400x650+500+100") %>% 
  tesseract::ocr(engine = only_numbers)
[1] "18644890.3\n125319567\n3164295\n65148172\n259791\n041009\n060809\n030304\n030505\n2113.4\n0.2 0405\n0.6 0709\n03 1.0 12.0\n44100193\n3785124\n061214\n010355\n196427659\n61121387\n2662243\n120025105\n233439\n103243209\n2020\n3692038\n561151\n326363\n2036047\n122716\n"
## '20추 ~ '22추    
field_01 <- jobs_img %>% 
  image_crop("50x650+520+100") %>% 
  # image_convert(format = "PGM", colorspace = "Gray") %>% 
  # image_binarization(type = "otsu") %>% 
  tesseract::ocr(engine = only_numbers) 

field_01_df <- field_01 %>% 
  str_split(pattern = "\n") %>% 
  as.data.frame() %>% 
  set_names("20-22") %>% 
  as_tibble()

field_01_df
# A tibble: 29 x 1
   `20-22`
   <chr>  
 1 18.6   
 2 12.5   
 3 31     
 4 65     
 5 25     
 6 0.4    
 7 06     
 8 03     
 9 03     
10 11     
# ... with 19 more rows
## '20추 ~ '25추    
field_02 <- jobs_img %>% 
  image_crop("50x650+580+100") %>% 
  # image_convert(format = "PGM", colorspace = "Gray") %>% 
  # image_binarization(type = "otsu") %>% 
  tesseract::ocr(engine = only_numbers) 

field_02_df <- field_02 %>% 
  str_split(pattern = "\n") %>% 
  as.data.frame() %>% 
  set_names("20-25") %>% 
  as_tibble() %>% 
  filter(`20-25` != "")

## 일자리
field_03 <- jobs_img %>% 
  image_crop("50x650+650+100") %>% 
  # image_convert(format = "PGM", colorspace = "Gray") %>% 
  # image_binarization(type = "otsu") %>% 
  tesseract::ocr(engine = only_numbers) 

field_03_df <- field_03 %>% 
  str_split(pattern = "\n") %>% 
  as.data.frame() %>% 
  set_names("일자리") %>% 
  as_tibble()

## 분야
sub_names <- tribble(~"subnames",
                     "합계",
                     "소계",
                     "", "", "", "",
                     "소계",
                     "", "",
                     "소계",
                     "", "", "",
                     "소계",
                     "", "", "",
                     "합계",
                     "소계",
                     "", "", "",
                     "소계",
                     "", "", "",
                     "소계",
                     "", "")
ocred_df <- bind_cols(sub_names) %>% 
  bind_cols(field_01_df) %>% 
  bind_cols(field_02_df) %>% 
  bind_cols(field_03_df) %>% 
  filter(subnames =="") %>% 
  bind_cols(한국판뉴딜 %>% filter(`레벨1` %in% c("디지털뉴딜", "그린뉴딜"))) %>% 
  select(레벨0, 레벨1, 레벨2, 레벨3,  `20-22`, `20-25`, 일자리)

ocred_df
# A tibble: 20 x 7
   레벨0    레벨1   레벨2           레벨3                 `20-22` `20-25` 일자리
   <chr>    <chr>   <chr>           <chr>                 <chr>   <chr>   <chr> 
 1 한국판 뉴딜~ 디지털뉴딜~ D.N.A. 생태계 강화~ 국민생활과 밀접한 분야 데이터 구축ㆍ~ "31"    64      "295" 
 2 한국판 뉴딜~ 디지털뉴딜~ D.N.A. 생태계 강화~ 1ㆍ2ㆍ3차 전(全)산업으로 5GㆍA~ "65"    148     "172" 
 3 한국판 뉴딜~ 디지털뉴딜~ D.N.A. 생태계 강화~ 5GㆍAI 기반 지능형 정부~ "25"    97      "91"  
 4 한국판 뉴딜~ 디지털뉴딜~ D.N.A. 생태계 강화~ K-사이버 방역체계 구축~ "0.4"   1.0     "09"  
 5 한국판 뉴딜~ 디지털뉴딜~ 교육 인프라 디지털 전환~ 모든 초중고에 디지털 기반 교육 인프~ "03"    03      "04"  
 6 한국판 뉴딜~ 디지털뉴딜~ 교육 인프라 디지털 전환~ 전국 대학ㆍ직업훈련기관 온라인 교육 ~ "03"    05      "13.4"
 7 한국판 뉴딜~ 디지털뉴딜~ 비대면 산업 육성~ 스마트 의료 및 돌봄 인프라 구축~ "0.2"   04      "09"  
 8 한국판 뉴딜~ 디지털뉴딜~ 비대면 산업 육성~ 중소기업 원격근무 확산~ "0.6"   07      "120" 
 9 한국판 뉴딜~ 디지털뉴딜~ 비대면 산업 육성~ 소상공인 온라인 비즈니스 지원~ "03"    1.0     "19.3"
10 한국판 뉴딜~ 디지털뉴딜~ SOC 디지털화    4대 분야 핵심 인프라 디지털 관리체~ "37"    85      "14"  
11 한국판 뉴딜~ 디지털뉴딜~ SOC 디지털화    도시ㆍ산단의 공간 디지털 혁신~ "0.6"   12      "55"  
12 한국판 뉴딜~ 디지털뉴딜~ SOC 디지털화    스마트 물류체계 구축  "1"     03      "65.9"
13 한국판 뉴딜~ 그린뉴딜~ 도시ㆍ공간ㆍ생활 인프라 녹~ 국민생활과 밀접한 공공시설 제로에너지~ "26"    62      "105" 
14 한국판 뉴딜~ 그린뉴딜~ 도시ㆍ공간ㆍ생활 인프라 녹~ 국토ㆍ해양ㆍ도시의 녹색 생태계 회복~ "12"    25      "39"  
15 한국판 뉴딜~ 그린뉴딜~ 도시ㆍ공간ㆍ생활 인프라 녹~ 깨끗하고 안전한 물 관리체계 구축~ "23"    34      "20.9"
16 한국판 뉴딜~ 그린뉴딜~ 저탄소<U+2027>분산형 에너지 확산~ 에너지관리 효율화 지능형 스마트 그리~ "36"    20      "38"  
17 한국판 뉴딜~ 그린뉴딜~ 저탄소<U+2027>분산형 에너지 확산~ 신재생에너지 확산기반 구축 및 공정한~ "56"    92      "151" 
18 한국판 뉴딜~ 그린뉴딜~ 저탄소<U+2027>분산형 에너지 확산~ 전기차ㆍ수소차 등 그린 모빌리티 보급~ "3.2"   31      "63"  
19 한국판 뉴딜~ 그린뉴딜~ 녹색산업혁신 생태계구축~ 녹색 선도 유망기업 육성 및 저탄소ㆍ~ "12"    36      "16"  
20 한국판 뉴딜~ 그린뉴딜~ 녹색산업혁신 생태계구축~ R&Dㆍ금융 등 녹색혁신 기반 조성~ ""      27      ""    

2.2 투자 재원

library(data.tree)

finance_df <- read_excel("data/한국판뉴딜.xlsx", sheet="finance")

finance_df$pathString <- paste(finance_df$레벨0,
                               finance_df$레벨1, 
                               finance_df$레벨2,
                               finance_df$레벨3,
                               sep = "/")

nd_finance <- as.Node(finance_df)

nd_finance$Do(function(node) node$재원 <- data.tree::Aggregate(node, attribute = "재원", aggFun = sum))

collapsibleTree(nd_finance, 
                zoomable = FALSE,
                collapsed = TRUE,
                nodeSize  = "재원", attribute = "재원", tooltip = TRUE)
[1] "Node$fields will be deprecated in the next release. Please use Node$attributes instead."
[1] "Node$fields will be deprecated in the next release. Please use Node$attributes instead."

2.3 일자리

nd_finance$Do(function(node) node$일자리 <- data.tree::Aggregate(node, attribute = "일자리", aggFun = sum))

collapsibleTree(nd_finance, 
                zoomable = FALSE,
                collapsed = TRUE,
                nodeSize  = "일자리", 
                attribute = "일자리", tooltip = TRUE)
[1] "Node$fields will be deprecated in the next release. Please use Node$attributes instead."
[1] "Node$fields will be deprecated in the next release. Please use Node$attributes instead."

3 투자재원과 일자리

2025년까지 총160조원(국비 114.1조원)을 투입하여 총190.1만개 일자리를 창출하기로 되어있는데 투자재원별로 일자리 창출관계를 시각화하여 살펴보자.

library(ggrepel)
library(extrafont)
loadfonts()

fin_job_df <- read_excel("data/한국판뉴딜.xlsx", sheet="EDA")

fin_job_df %>% 
  ggplot(aes(x=재원, y=일자리, color = 레벨1, label=str_trunc(레벨3, 20))) +
    geom_point() +
    geom_smooth(method = "lm", se=FALSE) +
    geom_text_repel(hjust=-.1,  check_overlap=TRUE) +
    theme_bw(base_family = "NanumGothic") +
    theme(legend.position = "top") +
    labs(color="뉴딜 3대축", x="투자재원 (단위:조)", y="일자리 (단위:만)",
         title = "한국판 뉴딜 주요추진과제별 투자재원과 일자리")

3.1 투자 → 일자리

fin_job_df %>% 
  group_by(레벨2) %>% 
  summarise(투자재원 = sum(재원),
            일자리 = sum(일자리)) %>% 
  pivot_longer(cols=투자재원:일자리, names_to="구분") %>% 
  mutate(구분 = factor(구분, levels=c("투자재원", "일자리"))) %>% 
  ggplot(aes(x=fct_reorder(레벨2, value), y=value, fill=구분)) +
    geom_col(show.legend = FALSE) +
    facet_wrap(~구분) +
    coord_flip() +
    theme_bw(base_family = "NanumGothic") +
    labs(x="", y="투자재원(단위:조원), 일자리(단위:만명)")

4 동영상

4.1 홍남기 경기부총리

4.2 외신기자 다른 시점

  • 도널드 커크(미국 기자): 중소기업과 다양한 분야를 활성화하여 경기회복과 코로나 19 극복을 원하나 한국경제를 지배하는 족별 대기업에 자금이 몰리는 것은 원하지 않음. 대기업과 이해관계가 없는 창의성과 혁신을 가진 중소기업을 격려하고자 함. 실제로 대기업없이 그런일을 할 수 있는지 의구심이 감.
  • 앤드류 살먼(영국 기자): 세계의 모든 정부가 비슷한 일을 하고 있음. 한국은 경제의 70%를 대외무역에 의존하고 있다. 따라서 한국은 국내정책에 따라 해외시장에 대한 의존도가 달라지는 경제임.
  • 프랭크 스미스(캐나다 기자): 절박한 시기에 과감한 조치가 필요하다고 생각됨. 코로나 19로 사회구조가 바뀌게 되어 일자리와 사없을 잃은 사람에게 더 강력한 사회안전망을 제공하기 위해 개입하는 것은 타당. 디지털 경제와 녹색 경제에 집중하는 것은 좋은 것이지만 고용면에서 전세계에서 일어나고 있는 더 많은 종류의 “자동화”라는 추세를 인지해야 함. 사업혁명 이후 새로운 패러다임이 요구되고 있으며 제조업에서는 더이상 일자리가 늘어나지 않음. 따라서 일하는 시간을 줄이고 일자리를 나누는 등 새로운 조치가 필요하고 경제성장 보다는 사회의 행복에 중점을 둔 장기적으로 지속가능한 발전이 필요함.

4.3 데이터 탬

‘데이터 댐’ 일자리 39만 개…직접 체험해 보니 / KBS뉴스(News)

 

데이터 과학자 이광춘 저작

kwangchun.lee.7@gmail.com